近日,河海大学陶爱峰研究团队提出一种名为Local-EMD-WaveNet的多通道神经网络模型,用于在加纳水域的特定位置进行有效波高(SWH)的预测。该模型在长期预测中明显优于传统的LSTM模型,对波高变化较大的情况也表现出色,为海洋工程和海事应用提供了潜在价值。
该模型利用了局部经验模态分解(local-EMD)技术,将其应用于加纳水域的显著波高数据,并将分解结果与风速数据整合在一起。整合后的数据被送入该模型,利用扩张因果卷积技术来捕获和分析对未来SWH预测至关重要的时间序列特征。该模型巧妙地将EMD嵌入到训练过程中,将分解的子波和风速序列视为独特的通道,沿“深度”维度进行处理。在与传统的LSTM和直接数据整合方法相比较时,Local-EMD-WaveNet在长期预测方面表现出色。该模型在48和56个时间步的预测中显著提高了平均绝对误差(MAE)和均方根误差(RMSE),分别增加了27.3%和23.5%,明显优于WaveNet和LSTM。特别是在波高变化较大的情况下,Local-EMD-WaveNet能够准确捕捉波峰和波谷的波形。这些结果验证了Local-EMD-WaveNet作为可靠的波浪预测工具,在海洋工程和海事应用领域具有重要潜力。
相关研究成果“基于Local-EMD-WaveNet模型的有效波高预测”(“Significant wave height prediction based on the local-EMD-WaveNet model”)于9月29日在国际期刊《海洋工程》(Ocean Engineering)上发表。
论文通讯作者为河海大学陶爱峰教授,第一作者为团队2022级博士研究生吕韬。研究得到国家自然科学基金(52271271)、水利部重大科技项目(SKS-2022025)的支持。
文章下载地址:
https://doi.org/10.1016/j.oceaneng.2023.115900